机器人下象棋不会弃子（机器人下象棋如何突破弃子困境，征服棋盘）

大数据文摘出品

编译：啤酒泡泡

20世纪90年代后期，ibm深蓝（deep blue）研究了一系列的国际象棋算法，期望于打败当时的世界冠军加里•卡斯帕罗夫（garry kasparov）。

2016年底，deepmind在《自然》（nature）发布论文，报告了他们的最终版围棋程序alphago zero，这是一个能够完全自学围棋具有革命性意义的算法。不论何种游戏，只要告诉系统这个游戏的基本规则，它就能通过不断的自我对弈学习最终掌握游戏的核心。

而最近，伦敦大学学院的研究人员发现，不需要练习，机器可以通过“阅读”解说员的评论区分好棋和臭棋，学会如何下国际象棋，以及如何更高效地做其他事。

国际象棋算法，sentimate，是由伦敦大学学院的研究人员nicholas mccarthy，isaac kamlish和issac bentata chocron设计的。它通过分析专业解说人员的反应来评价每步棋的质量，进而学会这项新的技能。

他们的团队分析了网上2700局国际象棋的评论。他们剔除了那些与好棋无关的解说评论，以及那些表意不明确的评论。然后，他们使用了一种很特殊的循环神经网络和词向量（一种能联系词含义的数学方法）方法，并采用了最先进的模型来分析语言。

人工智能最近在语言解析上取得了很显著的进展。例如，位于旧金山的openai研究公司开发出了一种算法，它可以根据一些提示的词汇生成整篇新闻故事。

“自然语言处理领域的未来发展方向，应该是将这种已经学到的信息转换成实实在在的可以解决实际问题的行为”，研究人员在邮件中告诉麻省理工学院技术综述杂志，“我们觉得文字数据的学习方法是一个非常值得探索的研究道路”。

sentimate的出现让研究人员大吃一惊，因为它可以解决一些国际象棋的基本原则和一些关键策略，例如捉双（一个棋子可以同时攻击敌方两个或更多棋子）和王车易位（国王和车在棋盘下方移动到更偏防守的位置）。

它不是人工智能大师，它做不到一直战胜某些传统的国际象棋游戏机器人。但是这个程序表明，未来可以使用语言来学习如何玩好游戏。与传统方法相比，它只需更少的数据，而且不需要很强的计算能力。

国际象棋一直是检验机器智能进展的标志性事物，从艾伦图灵1951年的国际象棋程序（写入论文）到加里卡斯帕罗夫败在ibm的“深蓝”手中。

包括deepmind的网红程序“alphazero”，游戏的规则会输入到该程序中，然后它通过跟不同版本的自己对战来提高技战术。因为是自学，alphazero发展出一些少见而又令人惊讶的策略。

但是和“深蓝”一样，alphazero需要几千个谷歌的张量处理器以及上百万盘棋局的数据。

研究人员说，sentimate使用的学习方法不仅仅可以用到国际象棋中，还可以应用到很多其他的实际问题中。例如，这些方法或许可以帮助机器分析运动、预测金融活动、以及提供更好的推荐。“有很多书籍、博客和论文在等着它去学习”，团队人员指出。